卞伟伟，邱旭阳，辛振芳，贾彦翔

(北京机械设备研究所，北京 100854)

1 引言

相比于军事目标，“低慢小”无人机类目标的雷达散射面积小、飞行高度低、速度慢、多普勒频移不明显，加之使用环境的复杂、背景干扰多，使得“低慢小”无人机的探测与识别成为一个世界性难题，多内外都在积极开展“低慢小”目标探测与识别技术研究，研制新型探测装备，以提高对低空/超低空目标的探测、识别和跟踪能力[1，2]。将计算机视觉与图像处理技术相结合的图像识别技术更是得到了长足发展，目前目标图像检测与识别在无人驾驶、机器人、监控监测、图像内容分类与检索、辅助医疗等方面都有积极应用[3]。

利用计算机对图像进行处理加工以达到预期的某种效果，从中提取有价值的信息。目标识别最主要的是特征提取和目标分类。不同的目标分类方法相结合，学者们提出了不同的目标识别方法。文献[4]以均方差与均值之比值来衡量特征的稳定性，并以稳定性排序占优的特征作为不变量特征来结合支持向量机实现飞机机型的快速识别，但没有考虑飞机图像识别环境的复杂性；文献[5]提出了一种WEFT技术将飞机分为机翼、发动机、机身和机尾四个部分的飞机特征提取方法，该方法只经过了理论验证并没有经过实际测试；文献[6]提取飞机目标的7个Hu矩不变量，归一化转动惯量和轮廓离散化参数等特征，并通过概率神经网络识别飞机，该方法使得识别准确率有了很大提升；……